一种基于空域显著图像的数据处理方法及系统技术方案

本发明专利技术涉及电池片检测技术领域，尤其是涉及一种基于空域显著图像的数据处理方法及系统。所述方法包括以下步骤：获取热处理操作数据集，其中热处理操作数据集包括热循环次数、热处理温度以及热处理持温时间，基于热处理操作数据集进行双重序列数据提取操作，生成像素点位显著性分析数据，利用像素点位显著性分析数据进行点位数据对比分析，生成强显著性位点数据以及弱显著性位点数据，对于强显著性位点数据，生成二维拓扑光学显著性图；对于弱显著性位点数据，基于热处理持温时间对电池片进行环境等待处理；本发明专利技术通过对热处理操作数据集进行数据处理，提高电池片缺陷检测的效率以及隐私安全性。隐私安全性。隐私安全性。

【技术实现步骤摘要】
一种基于空域显著图像的数据处理方法及系统


[0001]本专利技术涉及电池片检测
，尤其是涉及一种基于空域显著图像的数据处理方法及系统。

技术介绍

[0002]在光伏电池制造过程中，电池片的质量问题是制约其性能和寿命的重要因素之一。传统的电池片质量检测方法主要依赖于人工目视检查或使用特定的检测设备，存在效率低下、易受人为因素影响、成本高昂等缺点，因此，需要一种高效、准确、自动化的电池片缺陷检测方法及系统来提高电池片制造的质量和效率。

技术实现思路

[0003]本专利技术提供一种基于空域显著图像的数据处理方法及系统，以解决至少一个上述技术问题。
[0004]为实现上述目的，一种基于空域显著图像的数据处理方法，包括以下步骤：
[0005]步骤S1：获取热处理操作数据集，其中热处理操作数据集包括热循环次数、热处理温度以及热处理持温时间；基于热处理操作数据集进行双重序列数据提取操作，生成像素点位显著性分析数据；利用像素点位显著性分析数据进行点位数据对比分析，生成强显著性位点数据以及弱显著性位点数据；对于强显著性位点数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空域显著图像的数据处理方法，其特征在于，包括以下步骤：步骤S1：获取热处理操作数据集，其中热处理操作数据集包括热循环次数、热处理温度以及热处理持温时间；基于热处理操作数据集进行双重序列数据提取操作，生成像素点位显著性分析数据；利用像素点位显著性分析数据进行点位数据对比分析，生成强显著性位点数据以及弱显著性位点数据；对于强显著性位点数据，执行步骤S2；对于弱显著性位点数据，基于热处理持温时间对电池片进行环境等待处理，生成静置电池片，选取静置电池片作为步骤S3中的电池片执行步骤S3；步骤S2：基于像素点位显著性分析数据利用光学显微镜进行图像空域化处理，生成空域显著图像数据，利用空域显著图像数据进行拓扑转换标注，生成二维拓扑光学显著性图；步骤S3：获取初始特征空间数据集，对二维拓扑光学显著性图进行判空处理，生成零显著性拓扑数据集以及非零显著性拓扑数据集，对于非零显著性拓扑数据集，选取非零显著性拓扑数据集作为初始特征空间数据集，基于初始特征空间数据集对电池片利用SGD优化算法进行优化数据训练模型构建，生成优化数据训练模型，利用优化数据训练模型进行优化数据获取处理，生成优化数据集，其中优化数据集包括优化热处理持温时间、优化热循环次数以及优化热处理温度，基于优化热循环次数与预设的基准循环次数进行数据对比，当优化热循环次数大于预设的基准循环次数时，选取优化热处理持温时间作为步骤S1中的热处理持温时间，选取优化热循环次数作为步骤S1中的热循环次数，选取优化热处理温度作为步骤S1中的热处理温度，返回步骤S1；当优化热循环次数小于预设的基准循环次数时，执行步骤S4；步骤S4：基于空域显著图像数据以及像素点位显著性分析数据进行热循环缺陷检测指令传输处理，从而实现基于显著图的电池片缺陷检测。2.根据权利要求1所述的方法，其特征在于，步骤S1的具体步骤为：步骤S101：获取热处理操作数据集，其中热处理操作数据集包括热循环次数、热处理温度以及热处理持温时间；步骤S102：基于热处理温度以及热处理持温时间进行热处理环境部署，构建热处理环境；步骤S103：基于热处理环境利用红外相机对电池片进行热处理数据收集，生成电池片热像图；步骤S104：获取热像图温度匹配规则库，利用热像图温度匹配规则库进行规则数据检索，生成热像图规则数据；步骤S105：基于热像图规则数据对电池片热像图进行循环像素点解析处理，生成热像图像素点解析数据；步骤S106：利用热像图像素点解析数据进行像素点序列化数据处理，生成热像图像素点序列化数据；步骤S107：利用热像图像素点序列化数据进行热像图序列化处理，热像图序列数据；步骤S108：基于热像图序列数据利用序列显著性分析算法进行序列数据显著性分析，生成像素点位显著性分析数据；步骤S109：基于像素点位显著性分析数据与预设的基准显著性位点数据进行点位数据对比分析，当像素点位显著性分析数据大于预设的基准显著性位点数据时，标记为强显著
性位点数据，当像素点位显著性分析数据小于预设的基准显著性位点数据时，标记为弱显著性位点数据；步骤S110：对于强显著性位点数据，执行步骤S2；对于弱显著性位点数据，基于热处理持温时间对电池片进行环境等待处理，生成静置电池片，选取静置电池片作为步骤S3中电池片执行步骤S3。3.根据权利要求2所述的方法，其特征在于，步骤S108中的序列化显著性分析算法具体为：为：为：为：其中，T
n
为像素点局部温度导数值，T为热像图序列数据中的像素点温度值，x为热像图序列数据中的像素点位置，T
norm
为归一化温度值，T
min
为热像图序列数据中的像素点温度最小值，T
max
为热像图序列数据中的像素点温度最大值，s
i
为像素点i的初级显著性，N为热像图序列数据中的热成像图像像素点总数，exp为自然指数函数，α为序列化调节参数，p
i
为像素点i的位置向量，p
j
为像素点j的位置向量，T
norm,j
为像素点i的归一化温度值，s
norm
为像素点位显著性数据，s
min
为热像图最小显著性像素点，s
max
为热像图最大显著性像素点。4.根据权利要求1所述的方法，其特征在于，步骤S2的具体步骤为：步骤S21：基于像素点位显著性分析数据进行温度异常点位存储，生成温度异常点位数据集；步骤S22：利用光学显微镜对电池片进行检测台检测，生成表面显微结构图像集；步骤S23：基于表面显微结构图像集进行图像空域化处理，生成空域显著图像数据；步骤S24：基于空域显著图像数据利用降维相似度计算公式进行降维相似度计算，生成频域降维相似度...

【专利技术属性】
技术研发人员：杨永斌，旷月建，林腾轩，
申请(专利权)人：成都贤贵洛升网络科技有限公司，
类型：发明
国别省市：